Share on facebook
Share on linkedin
Share on twitter
Share on facebook
Share on linkedin
Share on twitter

이커머스 수익을 해치지 않는 슬기로운 프로모션 마케팅 전략

인터넷을 통한 전자상거래는 이미 지난 수년간 증가세를 보여왔지만, 코로나19가 기폭제가 되어 그 성장세가 더욱 확대되고 있다. 2020년에 많은 유통 기업들이 생존을 위해 디지털로 전환했을 뿐 아니라, 소비자들의 온라인 쇼핑새로운 브랜드 구매 의지도 상당히 커졌다.

스태티스타(Statista)의 수치에 따르면, 전 세계적으로 21억 4천만 명 이상의 사람들이 2021년에 온라인으로 상품과 서비스를 구매할 것으로 예상된다. 또한, 2023년이면 글로벌 온라인 판매가 전체 소매 판매의 22%를 차지하고, 2040년에는 모든 구매의 95%가 디지털에서 발생할 것으로 예측된다.

유통 기업이라면 이처럼 나날이 치열해지는 시장 경쟁에서 앞서나가기 위해 차별화된 전략이 필요하다. 아마존(Amazon)과 같은 이 분야의 대기업들은 지속적으로 좋은 조건의 상품을 제공하고, 중소 규모의 기업들은 간소화된 프로세스 기반 민첩성을 무기로 압박을 가할 것이다. 그 사이에서 경쟁우위를 확보하기 위해서는 소비자들이 원하는 상품을 경쟁력 있는 가격에 제공하여 그들의 관심을 끌고 브랜드 매력을 높여야 한다.

이를 위해 브랜드는 디지털 쿠폰에서부터 가격대별 할인, 무료 배송에 이르기까지 다양한 프로모션 마케팅 전술을 활용하여 고객들의 마음과 지갑을 사로잡고자 노력하고 있다.

프로모션이 이윤에 미치는 부정적 영향

프로모션은 온라인 유통업체에게는 상당히 유용한 도구이다. 판매 수요 증가, 신규 고객 유치, 반복적인 비즈니스 창출, 재고 과잉으로 인한 손실 감소 등 여러 이점을 제공한다. 그러나 제대로 구현하지 못한 프로모션은 소비자의 제품에 대한 인식 가치 및 신뢰도를 떨어뜨리고, 미래의 가격 기대치를 너무 낮은 수준으로 낮출 수 있다. 무엇보다 이윤폭을 제한한다.

이는 물론 할인된 가격에 팔았을 때와 비교해서 정가에 판매했을 때 마진율이 더 높기 때문이다. 어떤 제품의 정가가 50달러이고 10% 할인을 제공한다면, 매 매출 건마다 5달러를 잃게 되고, 이 손실을 메꾸기 위해서는 더 많은 수량을 판매해야 한다.

보스턴컨설팅그룹(Boston Consulting Group)의 조사에 따르면, 프로모션의 20-50%는 “매출이 눈에 띄게 증가하지 않거나 심지어 매출에 부정적인 영향을 미친다”고 한다. 또 다른 20-30%는 프로모션 비용을 상쇄하기에 충분한 매출 증가를 유발하지 않는다는 점에서 이윤폭을 줄인다고 한다.

프로모션의 효율성을 개선하고 건전한 이윤 창출 구조를 확보하기 위해 유통 기업은 전략, 가격, 타겟 잠재고객, 제품의 네 가지 핵심 측면을 모두 고려한 체계적이고 데이터 중심적인 접근방식을 취할 필요가 있다.

 

1. 명확한 전략과 목표 설정하기

원하는 수준의 이윤을 유지하기 위해서는 무엇보다 프로모션에 대한 명확한 전략과 목표를 세워야 한다.

많은 유통 기업들이 프로모션 실행에만 집중하는 우를 범하고 있다. 명확한 목표가 없어 수익률, 트래픽, 매출액, 가격 인식, 브랜드 인지도, 고객 충성도, 또는 다른 지표 중에서 무엇을 개선하고자 하는지 의식하지 못한다.

프로모션을 기획할 때도 과거의 실적을 분석하여 특정 캠페인이 회사의 전반적인 전략적 목표에 부합했는지 확인하기 보다는 이전에 했던 이벤트만 참고로 한다.

전략과 목표를 수립하기 위해서는 궁극적으로 무엇을 성취하고자 하는지 정하는 데서 시작된다. 설정한 목표에 따라 타겟 잠재고객 선정, 가격 책정, 메시지 구성, 타이밍, 그리고 할인 유형 등의 윤곽을 잡는 전략이 따라야 한다.

판매를 늘리는 데는 기본 할인, 묶음 할인, 계절 할인 등이 효과적이다. 더 많은 고객을 확보하는 데는 ‘원플러스원’이 좋다. 기존 고객들의 더 많은 구매를 장려하기 위해서는 무료배송 또는 구매금액대별 할인을 제공할 수 있다.

중요한 것은 시시때때로 데이터를 확인하고 경쟁사들의 동향을 살펴 전략을 지속적으로 발전시켜 나가야 한다는 점이다.

 

2. 수익성을 해치지 않는 가격 책정하기

가격 책정은 전반적인 프로모션 전략에서 굉장히 중요하다.

소비자들에게 매력적인 가격대이면서 동시에 수익을 해치지 않는 선에서 정해야 한다. 또한, 조금이라도 판매 마진이 있는 수준으로 프로모션을 유지할 수 있는 기간도 미리 고려해야 한다.

프로모션을 통해 신규 고객을 확보하고자 하는 경우, 할인 금액과 신규 고객당 획득 비용을 비교하여 균형점을 찾아야 한다. 반면, 기존 고객을 대상으로 한 프로모션의 경우 이윤 손실분과 고객의 생애가치(LTV)를 비교해야 한다.

이윤을 너무 낮추면 실행하는 것이 의미가 없는 프로모션이 될 수 있다. 이런 상황을 피하기 위해서는 프로모션 대상 제품들에 대한 현재 이윤폭, 가격 인상분, 손익분기점 등의 주요 변수를 고려해야 한다.

이러한 변수를 사용하여 일정 수익을 유지하기 위해서는 지정된 가격에서 얼마나 많은 수량을 판매해야 하는지 계산할 수 있다. 비용을 낮추거나 판매량을 늘림으로써 이 수치를 개선할 수 있다.

가격 전략을 세울 때는 경쟁사가 어떤 유형의 할인을 제공하고 있는지도 중요한 고려 사항이다.

 

3. 수익 감소를 방지하기 위해 최적의 잠재고객 공략하기

프로모션 마케팅에서는 꼭 맞는 타겟 고객에 집중함으로써 투자수익(ROI)과 이윤을 크게 높일 수 있다.

잠재고객들 중에는 프로모션이 없어도 구매할 사람들이 있고, 실제로 구매할 의사 없이 둘러보기만 하는 윈도우 쇼퍼도 있다. 이들에게 혜택 쿠폰을 보내는 것은 보장된 이익을 축소하거나 예산 낭비가 될 수 있다.

공략해야 할 사람들은 구매에 확신이 없어 망설이는 사람들이다. 이들은 브랜드 채널에 방문은 하지만 끊임없이 더 나은 조건의 상품이나 서비스를 찾고 있기 때문에 구매 여정을 끝까지 완료하는 일이 없다. 이들에게 맞는 적절한 할인 혜택이나 인센티브를 제공하여 구매를 완료하도록 자극할 수 있다.

이처럼 망설이는 사람들을 찾아내기 위해서는 고급 머신러닝(ML)이 필요하다. 머신러닝을 통해 특정 제품을 보고, 페이지를 이동하고, 이미지를 훑어보는 방식 등 잠재고객들이 사이트 및 앱 내에서 보이는 행동을 분석하여 불확실성과 망설임의 징후를 파악할 수 있다. 이렇게 발견한 망설이는 고객을 대상으로 맞춤형 쿠폰을 적시에 제공하면 프로모션 비용은 줄이고 이익은 증대할 수 있다.

 

4. 데이터를 기반으로 프로모션 대상 제품 선정하기

데이터는 정보에 기반한 보다 나은 의사결정을 내리는 데 도움이 되므로 성공적이고 수익성 높은 프로모션 캠페인의 핵심이다. 경쟁사 및 시장 관련 데이터를 사용하여 효과적인 프로모션 대상 제품 및 유형을 파악할 수 있다.

베스트셀러 혹은 이미 날개 돋친 듯 팔리고 있는 제품은 할인이나 인센티브가 필요 없을 것이다. 딱히 판매량 증가에 기여하기 보다 이윤폭만 감소시킬 뿐이다.

판매 속도가 느린 제품들에 초점을 두고 더 가파른 할인폭을 제시하여 적어도 손익분기는 맞추는 것이 좋은 전략이 될 수 있다. 또한 인공지능(AI) 기술을 활용하여 생각치 못했지만 프로모션을 진행했을 때 큰 수익을 가져다줄 수 있는 제품을 발견할 수도 있다.

인공지능은 브랜드 소유 채널 및 외부 채널의 데이터를 모두 분석함으로써 주요 경쟁사의 상위 판매 제품 카테고리와 같은 소비자 동향과 행동에 대한 인사이트를 실시간으로 제공한다. 이를 통해 프로모션 전략을 보다 수익성 높은 방향으로 지속 개선할 수 있다.

 

올바른 접근방식, 적절한 가격 책정, 고급 머신러닝 및 인공지능 기술 활용을 통해 이윤폭을 줄이는 일 없이 프로모션으로 기대할 수 있는 이점을 누릴 수 있다.

 

* 애피어의 지능형 프로모션 마케팅 플랫폼 아이딜(AiDeal) 통해 할인 및 인센티브를 제공하면서도 이윤폭을 유지할 수 있는 방법에 대해 더 자세히 알아보고자 하시면, 문의를 남겨주세요. 애피어의 관련 전문가 팀이 상담을 제공해드립니다.

애피어에 문의하세요!

문의를 남겨주시면 마케팅 전략을 개선할 수 있는 방법을 찾을 수 있도록 안내해드리겠습니다.

다른 최신 포스트도 둘러보세요!

앱 삭제를 줄이고 지속적인 참여를 강화할 8가지 앱 온보딩 전략

앱을 다운로드 받은 사람들이 많다고 해서 앱이 성공했다고 할 수는 없다. 앱을 설치한 사람들의 25%는 딱 한 번만 사용하고 앱을 삭제하기 때문이다. 이 사용자들이 앱을 유지하고 계속 사용하도록 만들 수 있는 방법은 무엇일까? 온보딩은 앱 사용자와의 관계의 시작점일 뿐만 아니라 지속 참여하는 장기적인 관계 구축에도 굉장히 중요한 단계이다. 온보딩은 첫인상과 같다. 제대로 구현하면 좋은 인상을 주어 오랫동안 고객으로 남을 가능성이 높다. 그러나 제대로 구현하지 못하면 그 고객을 영원히 잃을 수 있다. 그렇다면 기억에 남는 좋은 첫인상을 남길 수 있는 방법은 무엇인가? 다음에서 사용자들이 장기적으로 앱에 남아 있도록 하는 데 도움되는 8가지 온보딩 전략을 소개한다. 1. 가입 절차를 간소화하라 고객의 시간은 소중하다. 서비스 가입과 같은 디지털 관리 절차에 필요 이상으로 많은 시간을 쓰고 싶어하지 않는다. 구글(Google) 또는 소셜미디어 계정으로 로그인할 수 있도록 프로세스를 단순화하면 고객의 시간을 절약해주고 그들의 마음을 얻을 수 있다. 2. 튜토리얼을 보내라 처음으로 앱을 로딩하는 것은 난생 처음 외국에 가는 것과 비슷한 당혹스러운 경험일 수 있다. 무엇이 어디에 있는지 또는 어떻게 작동하는지 모르는 사용자가 많을 수 있다. 이 때 도움되는 것이 튜토리얼이다. 시간이 오래 걸릴 것이므로 앱에 대한 모든 것을 자세히 알려줄 필요는 없다. 주요 기능에 대한 간단한 소개만으로 충분하다. 그러면 고객이 큰 시행착오 없이 앱을 사용하여 원하는 것을 찾고 스스로 더 자세히 알아보도록 유도할 수 있다. 앱

앱 설치 확대를 위해 소셜 미디어 및 검색 광고를 향상시키는 방법

전 세계적으로 모바일 사용이 계속 증가하고 있다. 이처럼 증가 일로에 있는 모바일 사용자들의 참여를 유도하기 위해서는 스마트폰의 앱을 활용하는 방법이 가장 효과적일 것이다. 하지만 소비자들을 설득시켜 우선 앱을 다운로드 받도록 해야 한다. 인공지능(AI)을 통한 예측 기반 고객 세분화와 키워드 타겟팅을 활용하여 검색 또는 소셜 미디어 광고를 진행하면 좋은 성과를 기대할 수 있다. 모바일 앱의 인기는 그 어느 때보다 높고, 당분간 그 인기는 사그라지지 않을 것으로 보인다. 앱애니(App Annie)에 따르면 연간 모바일 앱 다운로드 수는 2018년 2천50억 건에서 2022년에는 2천580억 건까지 25% 이상 증가할 것으로 예상된다. 코로나19의 영향으로 앱 내 소비자 지출 또한 2020년 2분기에 270억 달러로 사상 최고치를 기록했다. 앱을 통한 매출 또한 비슷한 상승 추세를 보이고 있다. 앱스플라이어(AppsFlyer)에 따르면 글로벌 앱 설치 광고 지출액이 2019년 578억 달러에서 2022년 1180억 달러로 두 배 이상 증가할 것이라고 한다.   앱 설치 광고 지출액 증가의 주된 요인 불과 3년 만에 두 배 이상 성장을 달성할 수 있는 원동력은 시장 경쟁이다. 브랜드들은 개인화된 고객 참여를 제공하고 전환율을 높이기 위해 각자 나름의 방식으로 노력하고 있으며, 사실상 모바일 앱은 이를 달성하기 위한 가장 좋은 채널이라고 할 수 있다. 앱애니의 최신 동향 자료를 보면 2020년 2분기 모바일 앱 사용량이 전년 동기 대비 40% 급증한 것으로 나타났다. 앱 설치 광고 지출액이 지속적으로 증가하는 데는 몇 가지 다른

비지도 학습(Unsupervised Learning) 이해를 돕는 심플 가이드

인공지능(AI) 모델은 사람보다 빠르게 의사결정 및 예측을 수행할 수 있다. 사람보다 빨리 의사결정을 내리고 예측을 수행하려면 먼저 데이터로부터 학습을 해야 하고, 이 데이터 학습을 수행하는 두 가지 주요 방식이 지도 학습(supervised learning)과 비지도 학습(unsupervised learning)이다.   비지도 학습이란 무엇인가? 비지도 학습은 학습 알고리즘에 결과물이라고 할 수 있는 출력을 미리 제공하지 않고 인공지능(AI)이 입력 세트에서 패턴과 상관관계를 찾아내야 하는 머신러닝 알고리즘이다. 예를 들면, 새로 출시할 상품 유형에 맞는 타겟 시장을 정의하려고 할 때 필요한 기술이다. 비지도 학습은 데이터 자체가 부족하거나 훈련 데이터를 수집하기에는 비용이 너무 높은 등의 이유로 출력에 대해 알 수 없거나 활용할 수 없을 때 주로 사용된다. AI를 어린 아이라고 가정할 때, 지도 학습은 색깔, 숫자 또는 어휘와 같이 인간이 이미 알고 있는 것을 아이에게 가르치는 것과 같다. 비지도 학습은 아이가 스스로 문제를 풀고 추론할 수 있도록 내버려두는 방식이라고 할 수 있다. 보통 아이가 상상을 통한 놀이 또는 글쓰기와 그림 그리기 등의 창의적인 활동을 하면서 스스로 배우도록 한다. 지도 학습과 비교했을 때 비지도 학습은 다음과 같은 특징이 있다: · 레이블이 지정되지 않은 데이터를 처리한다 · 사용자가 보다 복잡한 처리 작업을 수행할 수 있도록 한다 · 더 예측이 어렵다 · 데이터의 근본 구조를 발견하는 데 사용할 수 있다 · 실시간으로 발생한다   비지도 학습 알고리즘의 일반 유형 클러스터링 알고리즘(Clustering algorithms)

    저희가 도와드리겠습니다

    문의를 남겨주시면 마케팅 전략을 개선하는 데 도움될 AI 솔루션을 자세히 안내드리겠습니다